내 신청현황
종류	모집공고명	진행상태
신청내용이 없습니다.

알림마당

home

새로운 하이브리드 훈련 알고리즘과 함께 MLP 모델을 사용한 오존 수준의 예측

전문가 제언: ○ 대기권의 오존은 온난화와 같은 기상이변의 원인이기도 하지만 인간의 건강과 식물 생명에 나쁜 영향을 주는 것으로 알려져 있다. 오존의 일일 최고치 수준을 예측하는 것은 전 세계의 관심 속에 매우 중요한 기상예측 요소 중의 하나이다. 새로운 하이브리드 훈련 알고리즘 방법을 겸한 이 다중-층 인식(MLP) 모델은 이러한 요구에 부합하는 매우 신뢰할 수 있는 선진 예측방법이라고 볼 수 있겠다.

○ MLP 모델은 확률적 무리 최적화(PSO) 알고리즘과 결정론적(LM) 알고리즘 이 두 가지의 장점을 상호 상승적 효과로 연결한 예측기술이다. 각기 다른 오존의 형성과 이동 경로를 가지는 감시 기지에서 모아진 원천적인 자료에 근거한 하이브리드 모델의 모사 결과는 원래의 자료에 더 충실하고 일관성을 제공함으로서 다른 개별방법보다 더 효율적이고 확고하다는 것을 보여준다고 본다.

○ MLP의 알고리즘은 두 종류로 하나는 결정론적 지역 최적 알고리즘과 다른 최적 방법은 확률적 최적 알고리즘이다. 오존 수준의 모델링과 같이 탐색 공간의 모집단 및 차원의 크기가 클 때는 전통적인 모델로는 해답을 구하는데 많은 반복과 계산에 적지 않은 비용이 필요하다. 수학적인 최적의 무게를 탐지하는 MLP 모델은 모사결과의 신뢰뿐만 아니라 비용을 최소화하는데 큰 의의가 있다고 본다.

○ 전통적인 오존 예측모델에서의 문제점은 탐색 위치에서 정체현상, 지역 최소에서 함정에 빠지는 위험, 손실자료의 부족 등을 들 수 있다. 하이브리드 모델은 적절한 정지 기술과 PSO 탐색기술을 활용하여 이러한 문제를 효과적으로 벗어날 수 있어 탐색성격을 대폭적으로 개선하였다고 믿어진다. 이로서 오존 형성과 이동 기구의 특성에 관계없이 범용의 오존 예측모델에 활용될 수 있을 것으로 기대한다.

저자: Dong Wang, Wei-Zhen Lu
자료유형: 학술정보